用人工智能压缩视频的尝试-Toy模板网

这篇具有很好参考价值的文章主要介绍了用人工智能压缩视频的尝试。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

开始

设计一个神经元网络，它有(x, y, t)三个输入，有(R, G, B)三个输出，中间有许多隐藏层。x和y是视频的横纵坐标，t是帧数。输入(x, y, t)，输出一个像素，即(R, G, B)。

2K视频为2048×1080分辨率，2小时的视频大约3.0GB。取其1%作为神经元网络的预期压缩率，即30MB。

以前的博客中有8比特神经元网络的设想，那么，30MB的神经元网络，有3000万个参数。

设视频每秒24帧，运行一次神经元网络需要与参数个数相同的运算量，即3000万。
2048×1080×24×3000万=1.6Pflops

现有的个人电脑不支持这么大的运算能力，也许这是属于未来的技术吧？

上述运算量是播放时的，下面估算训练时的。

神经元网络中参数个数n=3000万
训练样本的个数m=2048×1080×24×7200=3822亿
训练几轮呢？p=100
总的运算量=pmn²=34398亿亿亿次
以最先进的百亿亿次超算，需要1091年！

这也太长了，不如先对小视频进行压缩。设视频为100×100像素，24帧/秒，15秒。设它有一万分之一的压缩率，则n=1080。它的训练量是多少呢？

p=100，m=100×100×24×15=360万，n=1080
训练运算量=420万亿次
播放运算量=100×100×24×1080=260Mflops
这还在可以接受的范围内。

建立一个神经元网络，它有(x, y, t)输入，(R, G, B)输出。对一个100×100像素，每秒24帧，15秒的小视频进行压缩。播放时，依次输入(x, y, t=1)，得到1帧图像，改变t，得到连续的视频。

对200×200像素的视频，训练运算量为6次方，即64倍；播放运算量为4次方，即16倍；同时，训练运算量是时间的2次方；播放运算量是时间的1次方。文章来源地址https://www.toymoban.com/news/detail-412712.html

到了这里，关于用人工智能压缩视频的尝试的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！